臨床上的一致性檢驗(yàn)指的在診斷試驗(yàn)中，研究者希望考察不同的研究方法在診斷結(jié)果上是否具有一致性。分為兩種情況：一是評價待評價的診斷試驗(yàn)方法與金標(biāo)準(zhǔn)的一致性；二是評價兩種化驗(yàn)方法對同一樣本的化驗(yàn)結(jié)果的一致性或者兩個醫(yī)務(wù)工作者對同一組病人的診斷結(jié)論的一致性或者同一個醫(yī)務(wù)工作者對同一組病人前后兩次的觀察做出的診斷的一致性等。

我們今天就來介紹下R語言如何實(shí)現(xiàn)臨床化驗(yàn)結(jié)果的一致性與否的檢驗(yàn)。在R語言中有兩個函數(shù)都可以進(jìn)行一致性檢驗(yàn)，分別是kappa檢驗(yàn)和McNemar檢驗(yàn)。當(dāng)然，兩者也是有一定的區(qū)別的。如果檢驗(yàn)的項(xiàng)目是多等級的分布那么選擇kappa檢驗(yàn)；如果是2個等級的檢查那么選擇McNemar檢驗(yàn)。

我們來看下兩個函數(shù)的參數(shù)情況：

1. kappa檢驗(yàn)

Weight參數(shù)是函數(shù)的重點(diǎn)，如果有多個檢查項(xiàng)目中有一個是為0的時候需要加權(quán)檢驗(yàn)，其他時候一般都是非加權(quán)檢驗(yàn)。

Ratings數(shù)據(jù)的結(jié)構(gòu)一般是：所有樣本在兩個方法所得到的結(jié)果的一個表格數(shù)據(jù)。

我們利用irr中的數(shù)據(jù)做一下檢驗(yàn)分析樣例程序如下：

require(irr)

data(diagnoses)

dat=diagnoses[,c(1,2)]

kappa2(dat[,c(1,2)],'unweighted')

運(yùn)行結(jié)果如下：

其中p-value<0.05代表具有一致性。Kappa的值的大小代表的一致性的程度，此值介于0到1之間，越大一致性程度越大。

2. McNemar檢驗(yàn)

其中一個參數(shù)correct默認(rèn)是true。我們通過理論頻數(shù)進(jìn)行判斷。所謂理論頻數(shù)指某H0假設(shè)計(jì)算各分類理論上的發(fā)生或者未發(fā)生計(jì)數(shù)值，記為T。

如果某個格子出現(xiàn)1≤T ≤5，則需作連續(xù)性校正。

我們利用官方提供的例子進(jìn)行構(gòu)建數(shù)據(jù)集

Performance <-

matrix(c(794, 86, 150, 570),

nrow = 2,

dimnames = list("1st Survey" = c("Approve","Disapprove"),

"2nd Survey" =c("Approve", "Disapprove")))

Performance

mcnemar.test(Performance)

數(shù)據(jù)集和結(jié)果如圖：

以上就是一致性檢驗(yàn)的實(shí)現(xiàn)過程，歡迎大家學(xué)習(xí)交流